FindemのCEO兼共同創設者Hari Kolam – インタビューシリーズ

FindemのCEO兼共同創設者であるHari Kolamは、会社の全体的な方向性と戦略的な成長を牽引し、日常業務を監督しています。彼は、20年近くにわたる企業の創設と革新的なテクノロジー・ソリューションの開発の経験を持つ、シリアル・エントレプレナーであり、技術者です。

Hariは以前、Instartの共同創設者兼CTOでした。そこでは、会社の技術的なビジョンを牽引し、顧客の要件を実現可能な革新的なソリューションに変換しました。在職中、彼は50以上の特許を共同発明しました。

Hariは、Aster Dataでのシニア・エンジニアリング・ポジションや、SunのSolaris Clusterグループでのポジションも経験しています。そこでは、重要なソフトウェア・モジュールに貢献しました。

あなたは2つのスタートアップを成功させました。Instartでの最初のスタートアップでの、チームの拡大が大きな問題であることを実感したときのエピソニーについて語ってください。

それは1つの瞬間ではなく、複数の経験の積み重ねでした。Instartでは急成長を遂げ、国際的に事業を拡大し、特別な課題に直面しました。私たちは、多様性のある優れたチームを短期間で構築しようとしていました。チームを拡大し、才能を争う他のスタートアップと競合する中で、数人の不適切な人材を採用し、多大な挫折感を味わいました。さらに、求人担当者に求める人材のリストを伝えるプロセスは、エラーが多く、迅速に採用するために適切な人材を妥協することが多かったです。これらの経験は私に大きな教訓を与え、Findemの創設に繋がりました。

Findemの創設について語ってください。

Findemは、私の以前の採用とチーム拡大での失敗の直接的な結果です。どのエントレプレナーにも、優れたチームを構築することは、ビジネスの成功における最も重要な要素であると伝えられます。しかしそれは非常に難しいことです。エンジニアリングの背景を持つ私は、最も大きな影響を与える最も難しい問題を解決することに惹かれます。この特定の課題に取り組む動機となりました。企業の文化に合致し、求められる能力を持つ人材を見つけることは、実際に行うよりも簡単に聞こえることです。

従来、チームの拡大を解決する唯一の方法は、人的要素とともに、無駄な努力を重ねることでした。そのプロセスは、エラー、偏見、非効率性で満ち溢れていました。さらに調べると、実際にはデータの問題であることを理解しました。AIとディープ・ラーニングを使用して、新しいアプローチを導入し、HRリーダーがキーワードや肩書きではなく、望ましい属性に基づいて候補者を検索できるようにしました。企業は、効率性、コスト削減、公平性の向上、優れた人材の確保のために、データベースの採用に惹かれ始めています。Findemは、パッションプロジェクトとして始まり、特に大企業の中で、採用の痛みやコストを経験している企業の中で、成長を遂げています。

採用においてデータはどれほど重要ですか。

採用において、データは非常に重要です。例えば、企業が多様性のあるチームを構築しようとしている場合、従業員や候補者のデータを追跡することは、多くの場合、事後的な考慮事項です。しかしそれは、多様性、公平性、包括性（DE&I）イニシアチブが、組織の現在の透明性を持った、データに基づいた状態から始まることが重要です。分析によって、リーダーシップの多様性、過去5年間の多様性の追跡、賃金の不均衡、多様性のある従業員の離職率など、すべてを把握できます。データの追跡は、性別や人種だけでなく、年齢、宗教、障害、軍務経験などの他の要素にも及ぶことが重要です。そうしたデータを持つことで、目標を設定し、真正に多様性のある包括的な文化を構築することができます。

また、多様性のある文化を構築するために、候補者のパイプラインを監視し、候補者検索の最初から多様性を育むことが重要です。これは、適切なデータがなければ不可能です。

パイプライン分析は、多様性のある採用活動がどのように機能しているかを理解する上で重要です。多様性のある候補者がどれくらいのスピードで採用されているか。どの採用担当者が、パイプラインに多様性のある候補者を充てる上で、実際に成果を上げているか。企業が、多様性のある候補者が多く存在する地域から採用しているか。データは、これらの質問に答えることができないものです。

データは、予測分析の核心でもあります。ここでは、歴史的なデータを使用して、企業内で優秀な成果を上げる可能性のある人材を発見します。予測分析では、候補者が特定の役割で優秀な成果を上げる可能性、離職リスク、リモートワークでの成功可能性など、企業が候補者を特定する上で重要な情報を提供します。

Findemはどのようなデータソースから情報を収集していますか。

Findemは、すべての公開可能な人々のデータを、検証し、三重検証して、潜在的な候補者の属性について学びます。私たちは、1人あたり1万以上の属性を持っています。顧客が内部のHRツールをFindemと統合することを選択した場合、これらのデータを強化し、新しい属性を発見することができます。収集する公開情報の例として、国勢調査データ、製品カテゴリ情報、会社の財務データ、市場データ、特許および出版物データ、教育データ、生産性およびスキルデータなどがあります。

企業は、Findemプラットフォームを使用して、理想的な候補者と一致させるためにどのようにすることができますか。

企業は、1万以上の属性の組み合わせに基づいて、活躍または非活躍な候補者を検索できます。属性は、有形的なもの（例：女性、以前の創業者、トップ10のVC資金提供されたスタートアップで働いたことがある）と、無形的なもの（例：企業の価値観を体現する、起業家精神を持つ、積極的な人）があります。これらの属性は、個々の候補者について、データに基づいた画像を提供し、開いているポジションを埋めるために正確な一致を見つけることができます。

属性は、内部従業員、ATSプロファイル（最新の情報で強化）、外部候補者間で一致させることができます。通常、企業は理想的な候補者のプロファイルから始めて、すべての人がその候補者の属性と一致するタレントプールを構築します。あるいは、ゼロから属性検索を構築することもできます。

企業が取ることができるもう1つのユニークなアプローチは、すでに優秀な従業員（内部または外部）がいる場合に、優秀な従業員の属性を分析し、同じ属性を持つ候補者を検索することです。たとえば、リモートワークに優れており、忠誠心があり、成功したM&AのCMOだった人を探している場合、Findemのプラットフォームでそのような人々のコピーを検索することができます。

Findemは、機械学習プロセスから意図しない性別や民族の偏見を避けるためにどのようにしていますか。

特定の場所や属性を検索する際に、才能の分布（多様性）に関する可視性がなければ、無意識の偏見が導入されることがあります。Findemは、ロケーションやさまざまな検索属性ごとの才能の分布の集約された要約を提供し、これを人事チームに可視化します。

また、人による関与なしに属性ベースの検索を実行し、手動レビュー時に候補者の個人情報を隠蔽し、パイプラインに多様性を確保するための重み付けを自動的に追加することで、これらの偏見を軽減します。

Findemが、新しい属性をタレント検索のために見つけることを可能にするという概念について説明してください。

Findemは、さまざまな方法で新しい属性を発見することを可能にします。1つの方法は、他の企業が過去に雇用した人々を調べることです。たとえば、企業がシリーズBラウンドの資金調達またはIPOを計画している場合、同様の取り組みで成功した企業がどのようにスタッフを構成していたかを理解したいと思うかもしれません。Findemのプラットフォームでは、企業がそのような人々の属性を参照し、自身のタレント検索に使用できるようにします。

また、企業のスーパースター従業員や内部システムを使用して、同じことができます。内部のHRIS（人事情報システム）を使用して、トップパフォーマーを特定し、彼らに共通する属性を特定し、将来の検索に使用することができます。

Findemについてさらに共有したいことはありますか。

私たちが現在最も焦点を当てている分野の1つは、タレントソーシング・ソリューションを完全にセルフサービス化することです。私たちが最初から目指していた目標は、誰でも簡単に使用できるプラットフォームを構築することでした。今、私たちはその目標に向けて大きな進歩を遂げています。

素晴らしいインタビュー、ありがとうございました。詳細については、Findemを訪れてください。